神经网络的时变非线性系统迭代学习辨识

时变神经网络结构可简单地取为常规神经网络连接形式,但连接权却是时变的。如何确定时变权是应用时变神经网络时的难题。它将将时变连接权展成Taylor级数,通过训练多个式系数的处理方法。而且,通常的处理方式会发生地存在截断误差。对于有限区间连续时变非线性系统的神经网络建模与辨认,纠正重复运行过程,以迭代学习算法调整权值,进行网络训练。不计逼近误差,提出的学习算法能够识别误差在整个区间上渐近收敛于零。为处理非零但有界的逼近误差,采用带死区的迭代学习算法。逼近误差界值已知时,文中证明带死区修正的转换学习算法纠正识别误差在整个区间上渐近收敛于由死区界定的邻域内。对于逼近近误差界值未知的事实也进行了讨论。